Mohamad F Dan Kalamullah Ramli
-
Upload
paisal-rizal -
Category
Documents
-
view
227 -
download
0
Transcript of Mohamad F Dan Kalamullah Ramli
-
7/26/2019 Mohamad F Dan Kalamullah Ramli
1/9
JURNAL ILMIAH ELITE ELEKTRO, VOL. 3, NO. 1, MARET 2012: 6-14
6
Efisiensi Kinerja Pengelolaan Energi pada ArsitekturDataCenterKomputasi
Awan Menggunakan Greencloud
Mohamad Fathurahman1*
dan Kalamullah Ramli2
1. Teknik Telekomunikasi, Jurusan Teknik Elektro, Politeknik Negeri Jakarta, Depok 16425, Indonesia
2. Departemen Teknik Elektro, Fakultas Teknik, Universitas Indonesia, Depok 16425, Indonesia
*E-mail: [email protected]
Abstrak
Keberadaan data center pada sistem cloud computing sangat besar artinya. Data center yang terletak pada lapisan
infrastucture as a services(IaaS) pada sistem cloudberisi komponen fisik yang meliputi komponen komputasi seperti
server dan switch dan komponen non komputasi seperti sistem pendingin dan pengaturan suhu. Seiring dengan
meningkatnya jumlah pengguna data center, maka konsumsi daya listrik pada data center akan meningkat. Telah
diusulkan skema penghematan energi pada data center yakni skema DVFS dan DNS. Pada penelitian ini telah
disimulasikan menggunakan Greencloud, yang merupakan ekstensi dari NS2, kepada tiga macam arsitektur datacenter
yakni two-tier, three-tierdan three-tier high-speeddengan jenis workloadadalah high performance computing(HPC).
Penerapan skema penghematan meliputi skema DVFS dan DNS saja serta DVFS dan DNS sekaligus. Dari hasil yang
diperoleh menunjukkan bahwa penerapan skema DNS menunjukkan hasil terbaik karena berhasil melakukan
penghematan rata-rata sebesar 63,42% pada server dan hampir 100% pada switch.
Abstract
Performance Comparison between Energy-Aware Cloud Computing Data Center Architectures Using
GreenCloud.The existence of a data center in the cloud computing system was huge. Data center is located on the IaaS
layer cloud systems containing physical component includes computing components such as servers and switches and
non-computing components such as cooling systems and temperature regulation. Along with the increasing number ofusers of data center, then the electric power consumption in the data center will increase. Energy conservation schemes
have been proposed in the data center is DNS and DVFS. In this study has been simulated using GreenCloud, which is
an extension of NS2, the three kinds of data center architecture these are two-tier, three-tier and three-tier high-speed
with the type of data center workloads is high performance computing (HPC). The applications of the savings schemes
include schemes DVFS only, DNS only and both DVFS and DNS. From the results obtained indicate that the
application of the DNS control scheme is the best because it managed to save an average of 63.42% on the server and
almost 100% on the switch for all data center architecture.
Keywords: cloud computing, data center, DVFS, DNS, GreenCloud and NS2
1. Pendahuluan
Perkembangan dunia internet dalam dekade terakhir di
Indonesia tumbuh sangat pesat. Kebutuhan akan
informasi yang berasal dari internet bukan hanya
diperlukan oleh beberapa kalangan tertentu dengan
bidang tertentu tapi juga berbagai kalangan dengan
berbagai jenis informasi yang diperlukan. Penyedia jasa
jaringan internet untuk memenuhi kebutuhan tersebut
tentu saja harus mampu menyediakan kebutuhan dari
usernya.
Untuk kebutuhan layanan data dan informasi, seperti di
perkantoran dan lingkungan pendidikan, telah banyak
digunakan fasilitas berupa komputasi awan (cloud
computing). Pada beberapa tahun terakhir layanan
komputasi awan mengalami peningkatan yang cukup
signifikan karena melibatkan datacenterdan paradigma
komputasi paralel. Sebagian besar perusahaan IT dunia,
seperti Microsoft, Google, Amazone dan IBM
merupakan pelopor layanan komputasi awan. Dengan
adanya layanan komputasi awan, sebuah lembaga atau
perusahaan tidak perlu lagi memiliki datacentersendiri
-
7/26/2019 Mohamad F Dan Kalamullah Ramli
2/9
JURNAL ILMIAH ELITE ELEKTRO, VOL. 3, NO. 1, MARET 2012: 6-14 7
untuk penyimpanan data/arsip yang dimilikinya.
Kebutuhan akan data center dipenuhi melalui layanan
komputasi awan ini sehingga akan banyak menghemat
biaya karena lembaga atau perusahaan tidak perlu
membangun dan mengoperasikan data centernya
sendiri.
Bagi penyedia layanan komputasi awan, selanjutnya
akan dinyatakan sebagai cloud, tren seperti ini adalah
sebuah peluang bisnis yang sangat menarik [1]. Layanan
cloud sendiri sebetulnya adalah layanan penyediaan
datacenterbaik untuk keperluan pribadi maupun bisnis.
Dengan semakin banyaknya pengguna layanan ini,
penyedia layanan cloud harus banyak mengoperasikan
data center. Dari definisi sederhana sendiri, cloud
computing didefinisikan sebagai sebuah kolam yang
terdiri atas sekumpulan sumber daya teknologi
informasi yang terorganisir untuk menyediakan sebuah
fungsi komputasi sebagai sebuah utilitas. Cloud
computing adalah suatu paradigma di mana informasisecara permanen tersimpan di server di internet dantersimpan secara sementara di komputer pengguna
(client) termasuk di dalamnya adalah desktop, komputer
tablet, notebook, komputer tembok, handheld, sensor-
sensor, monitor, dan lain-lain [2].
Biasanya pemberi layanan cloud kelas dunia memiliki
berbagai macam data center yang terdistribusi secara
geografis. Pengoperasian datacenteryang terdistribusi
secara geografis memerlukan penggunaan sumber daya
listrik yang besar pula. Apabila penyedia layanan cloud
tidak mampu melakukan efisiensi penggunaan daya
listrik, maka akan berpengaruh terhadap kualitas
layanan cloud.
Berdasarkan hal tersebut di atas, dari sudut pandang
efisiensi energi, komputasi awan adalah kolam sumber
daya komputasi dan komunikasi yang dikelola
sedemikian hingga mampu mengubah energi daya yang
diterima menjadi kegiatan komputasi atau transfer data
yang diinginkan pengguna [3]. Dengan pertimbangan
efisiensi energi pada cloud, perlu dilakukan studi untuk
mengetahui seberapa besar penggunaan energi listrik
pada data center dan metode efisiensi apa saja yang
dapat dilakukan. Selanjutnya akan dibahas data center
dan efisiensi energi, skenario dan hasil pembahasan.
DataCenterdan Efisiensi Energi. Sebuah sistem cloudterdiri atas infrastruktur, platform dan perangkat lunak
yang menjadi satu kesatuan dalam melayani pelanggan
cloudyang terdaftar berdasarkan layanan yang diinginkan.
Di dunia industri, layanan ini masing-masing meliputi
Infrastructure as a Service(IaaS), Platform as a Service
(PaaS), dan Software as a Service (SaaS).
Secara umum sebuah sistem komputasi awan dapat
dibagi ke dalam tiga lapisan berdasarkan ketiga konsep
IaaS, PaaS dan SaaS seperti tampak pada Gambar 1.
Gambar 1 Arsitektur Komputasi Awan [4]
Lapisan IaaS bertanggungjawab terhadap pengelolaan
fisik mesin, pembuatan kolam mesin virtual atau sumber
daya penyimpan melalui mekanisme virtualisasi untuk
menyediakan layanan elastis bagi lapisan di atasnya.
Lapisan PaaS berada di atas lapisan IaaS dimanaplatformnya terdiri atas sistem operasi dan framework
aplikasi. Lapisan teratas ditempati oleh SaaS yang di
dalamnya terdapat aplikasi cloud yang sebenarnya.
Dalam pembahasan tentang efisiensi energi pada data
center, pembahasan akan difokuskan pada lapisan IaaS.
Berdasarkan arsitektur cloud pada Gambar 1, lapisan
IaaS terdiri atas tiga lapisan yakni, physical resource,
virtual resource dan management tool [4]. Physical
resource terdiri atas data center dengan komponen-
komponennya seperti server, switchdan komponen non
IT seperti sistem pendingin dan pencahayaan.
Masalah utama dari infrastruktur cloud bukan hanyadari segi biaya yang mahal akan tetapi juga kurang
ramah lingkungan. Biaya pemakaian energi yang tinggi
kemudian emisi karbon yang dihasilkan akibat akan
tingginya kebutuhan akan energi listrik baik untuk
tujuan yang berhubungan dengan komputasi ataupun
untuk tujuan pendukung operasional dari data center.
Para penyedia layanan infrastruktur cloudperlu untuk
mengukur agar margin keuntungan layanan cloud tidak
tereduksi oleh tingginya biaya pemakaian energi listrik.
Banyak diantara penyedia layanan cloud membangun
datacenternya di dekat sumber air agar pasokan energi
dapat diperoleh dari Pembangkit Listrik Tenaga Air
(PLTA). Belum lagi ada tekanan dari pemerhati
lingkungan agar mengurangi emisi karbon untukmengurangi pengaruh dari perubahan iklim.
Datacentersangat populer dalam provisioningsumber
daya komputasi. Biaya operasional data center telah
meningkat seiring dengan meningkatnya kapasitas
komputasi. Konsumsi energi dari data center telah
menjadi masalah yang berkembang di kalangan
pengelola datacenter. Hal ini menjadi salah satu pintu
masuk utama dalam tagihan utama operasional data
center(OPEX).
-
7/26/2019 Mohamad F Dan Kalamullah Ramli
3/9
JURNAL ILMIAH ELITE ELEKTRO, VOL. 3, NO. 1, MARET 2012: 6-148
Kolam server pada teknologi datacentersaat ini dapat
menangani 100.000 host dengan sekitar 70%
komunikasi dilakukan secara internal [5]. Hal ini
menjadi tantangan dalam merancang arsitektur jaringan
yang saling berhubungan dan protokol komunikasi yang
digunakan.
Penelitian terdahulu menunjukkan bahwa hampir 90%
konsumsi energi listrik dari datacenterdihabiskan oleh
perangkat IT seperti server dan switch dan perangkat
pendingin serta sisanya terbuang sebagai panas dan
perangkat non IT lainnya [3].
Pada beberapa tahun terakhir, layanan komputasi awan
meningkat pesat karena adanya keterlibatan datacenter
dan paradigma komputasi paralel. Pengoperasian data
centeryang tersebar di wilayah yang luas memerlukan
pertimbangan seberapa besar konsumsi energi terhadap
total biaya pengoperasian dari datacenter.
Salah satu tantangan terbesar dari pengelola datacenter
adalah meningkatnya biaya konsumsi untuk daya dan
pendinginan. Seperti ditunjukkan pada Gambar 2
berikut, pada dekade terakhir biaya untuk daya dan
pendingin data center telah meningkat sebesar 400%
dan kecenderungannya akan terus meningkat. Pada
beberapa kasus, konsusmi daya listrik memakan porsi
40-50% dari keseluruhan biaya operasional dari data
center [6].
Berdasarkan surver terakhir pada data center, faktor
penghambat terbesar dalam pengembangan datacenter,
senilai 59% adalah berasal dari konsumsi daya dan
pendinginan [7].
Jika kecenderungan ini terus terjadi, kemampuan data
center untuk menambah layanan baru akan terhambat.
Untuk mengatasi hal ini, pengelola datacentermemiliki
tiga pilihan [6], sebagai berikut 1) menambah kapasitas
daya dan pendingin, 2) membangun datacenterbaru, 3)
melakukan pengelolaan energi yang memaksimalkan
penggunaan kapasitas yang ada.
Gambar 2. Struktur Pembiayaan Data Center dan
Kecenderungannya [6]
Dua pilihan awal akan sangat mahal karena melibatkan
belanja modal dan pemasangan instalasi baru. Maka
pilihan ketigalah yang paling memungkinkan untuk
mengatasi dua hal tersebut di atas. Berikut ini akan
diuraikan secara singkat dua macam skema pengelolaan
energi pada datacenteryang meliputi
Arsitektur Data Center. Kolam server pada sebuah
data center saat ini mampu menangani sampai dengan
100.000 host dengan sekitar 70% pelaksanaan
komunikasi dilaksanakan secara internal [5]. Hal ini
memberikan tantangan dalam merancang arsitektur
jaringan interkoneksi dan protokol komunikasinya. Pada
skala data center, arsitektur konvensional sering kali
terjadi bottleneck disebabkan karena faktor fisik dan
batasan biaya dari perangkat jaringan yang dipakai.
Secara khusus, ketersediaan komponen 10 Gigabit
Ethernet dapat mengatasi keterbatasan karena
menawarkan kapasitas yang lebih besar namun masih
terlampau mahal.
Arsitektur data center sendiri yang banyak digunakan
saat ini adalah arsitektur three-tier (Gambar 3).
Arsitektur ini terdiri atas lapisan a) access, b) aggregation,
c) core. Keberadaan lapisan aggregationmeningkatkan
jumlah node server (lebih dari 10000 server) dengan
tetap menjaga Layer-2 menggunakan switchyang tidak
terlalu mahal pada jaringan access yang menyediakan
topologi loop-free. Link antara core dan aggregation
berkapasitas 10 GE sedangkan link antara aggregation
dan accessberkapasitas 1 GE. Beberapa datacenterada
yang masih menggunakan arsitektur two-tier dimana
pada arsitektur two-tier, computing server (S) disusun
ke dalam rak membentuk jaringan tier-one. Padajaringan tier-two, switch pada Layer-3 (L3)
menyediakan konektivitas mesh penuh menggunakan
link 10 GE. Pada perkembangan selanjutnya dengan
tersedianya link dengan kapasitas 100 GE, maka
dikembangkan arsitektur data center three-tier high-
speedyang pada dasarnya sama dengan arsitektur three-
tier hanya saja kapasitas linknya sepuluh kali lipat
daripada arsitektur three-tier yakni untuk kapasitas link
antara core dan aggregation menjadi 100 GE, antara
aggregation dan access menjadi 10 GE sedangkan
antara access dengan server tetap 1 GE.
Gambar 3. ArsitekturDataCenterThree-tier [3]
-
7/26/2019 Mohamad F Dan Kalamullah Ramli
4/9
JURNAL ILMIAH ELITE ELEKTRO, VOL. 3, NO. 1, MARET 2012: 6-14 9
Dynamics voltage and frequency scaling (DVFS).
Dynamic voltage scalingadalah pengelolaan daya pada
arsitektur komputer dimana tegangan yang digunakan
oleh komponen dapat diturunkan atau dinaikan sesuai
kebutuhan. Dynamic voltage scaling untuk menaikan
tegangan disebut overvolting sedangkan untukmenurunkannya disebut undervolting. Undervolting
dilakukan untuk konversi energi sedangkan overvolting
dilakukan untuk meningkatkan kinerja komputasi.
Demikian halnya dengan dynamic frequency scaling,
dilakukan dengan cara menaikan frekuensi kerja untuk
meningkatkan kinerja dan menurunkannya untuk
menghemat energi. DVFS adalah teknik umum yang
banyak digunakan dalam mekanisme penghematan
penggunaan daya mulai dari sebuah sistem embedded,
laptop, PC sampai dengan sebuah sistem server. DVFS
mampu mengurangi konsumsi daya pada rangkaian
terpadu CMOS seperti pada komputer modern dengan
menurunkan frekuensi operasi melalui Pers. (1):
PstaticCfVP +=2 (1)
Dengan C adalah kapasitansi kapasitor gerbang (yang
tergantung pada ukuran fitur), f adalah frekuensi kerja
dan V adalah suplai tegangan. Tegangan yang
diperlukan untuk operasi yang stabil ditentukan oleh
frekuensi dimana rangkaian mendapat clock. Hal ini
dapat mengakibatkan pengurangan yang signifikan dari
konsumsi daya karena hubungan V2.
Menurut Sueur & Heiser [8], kesimpulan yang didapat
dari hasil penelitiannya menunjukkan bahwa 1) DVFS
hanya mampu mengubah besarnya konsumsi daya
dinamis (dynamic power) sementara daya statis (staticpower) meningkat, 2) mode sleep/idle lebih efektif
diterapkan dari pada penurunan tegangan/frekuensi
dalam penurunan konsumsi daya, 3) implementasi
DVFS pada prosesor multi-core lebih rumit dan
keuntungan secara finansialnya kecil
Dynamics Shutdown (DNS). Dengan pertimbangan
bahwa server yang dalam kondisi idel tetap
mengkonsumsi energi sebesar 66% dari kapasitas
penuhnya [8] maka pada mekanisme DNS, skema
penghematan dilakukan dengan cara mematikan server
yang dalam kondisi idel sehingga konsumsi energi bisa
ditekan pada kondisi minimal.
Greencloud [9] adalah packet level simulator yang
merupakan ekstensi dari Network Simulator Ns2 [7]
yang digunakan untuk mengukur konsumsi energi dari
data center. Secara default, arsitektur dari data center
yang disediakan oleh greencloud adalah arsitektur
three-tier. Jadi greencloud adalah simulator untuk
konsumsi daya listrik data center. Data center ini
adalah bagian dari arsitektur cloud computing yang
berada pada lapisan IaaS (Gambar 1).
2. Metode Penelitian
Greencloud adalah sebuah ekstensi dari Network
Simulator NS2 yang dikembangkan untuk mempelajari
environment dari komputasi awan. Greencloud
menawarkan kepada pemakainya pemodelan mengenaikonsumsi energi oleh elemen-elemen dari data center
seperti server, switch dan link. Lebih khusus lagi
Greencloudfokus kepadapacket-levelsimulationsbagi
komunikasi pada data center yang tidak ditemui pada
simulator lainnya.
Pada simulator Greencloud diimplementasikan model
energi untuk switchdan linkberdasarkan kepada Chen
et al. [10] dengan nilai konsumsi daya untuk elemen
yang berbeda diambil urutannya berdasarkan
Mahadevan et al. [5]. Skema penghematannya meliputi
1) hanya DVFS, 2) hanya DNS, dan 3) DVFS dan DNS.
Workload (beban kerja) adalah obyek yang dirancanguntuk pemodelan universal bagi berbagai macam
pengguna layanan cloud, seperti misalnya jejaring sosial,
instant messaging, dan content delivery. Pada grid
computing, workload biasanya dimodelkan sebagai
urutan pekerjaan (job) yang dibagi-bagi ke dalam
sekumpulan tugas (task). Sebuah task dapat berdiri
sendiri, atau memerlukan sebuah output dari dari task
lain untuk memulai eksekusi. Lebih lanjut lagi, karena
ciri dari aplikasi grid computing (misalnya pemodelan
biologis, keuangan, dan cuaca) jumlah job yang ada
lebih banyak daripada sumber daya komputasi yang
tersedia.
Agar dapat mencakup semua jenis aplikasi cloud, makadidefinisikan tiga jenis job, yaitu [3]:
Computationally Intensive Workloads (CIW) adalah
model aplikasi high performance computing (HPC)
yang bertujuan memecahkan masalah komputasi tingkat
lanjut. CIW membebani computing server dan hampir
tidak ada transfer data pada jaringan interkoneksi dari
data center. Proses efisiensi energi pada CIW terletak
pada konsumsi daya server dimana server mencoba
untuk mengelompokkan workload pada sekecil
mungkin jumlah server dan perute-an traffic yang
dihasilkan menggunakan seminimal mungkin rute.
Data-Intensive Workloads (DIW) adalah modelkebalikan dari CIW dimana pada model ini memerlukan
transfer data yang besar dan hampir tidak ada
pembebanan pada server.
Balanced Workloads (BW) bertujuan untuk
memodelkan aplikasi yang memiliki kemampuan
komputasi seperti CIW dan transfer data seperti DIW.
Pada bagian ini akan dilakukan studi kasus perhitungan
konsumsi energi pada datacenteruntuk arsitektur two-
tier(2T) dan three-tier(3T) yang meliputi three-tier fat-
-
7/26/2019 Mohamad F Dan Kalamullah Ramli
5/9
JURNAL ILMIAH ELITE ELEKTRO, VOL. 3, NO. 1, MARET 2012: 6-1410
tree (3Tft) dan tree-tier high-speed (3Ths). Bandwidth
antara lapisan core dan aggregation didistribusikan
menggunakan teknologi multi-path routing seperti
routing equal cost multi-path (ECMP). Teknik ECMP
adalah strategi routing dimana pengiriman paket
berikutnya pada satu tujuan dapat menempuh berbagaijalur terbaik yang nantinya akan diletakkan pada urutan
teratas dari tabel routing. Untuk arsitektur three-tier,
karena menggunakan ECMP, maka jumlah maksimum
switch coreadalah delapan [3].
Dalam melakukan pengukuran kinerja, skenario
pengukuran kinerja antara 3Tft dengan 3Ths akan
digunakan jumlah server (computing node) yang sama
yakni sebanyak 3072 server. Untuk skenario simulasi
ditunjukkan pada Tabel 1. Penentuan parameter
simulasi mengacu pada Kliazovich et al. [3] dengan
perbedaan pada jenis workload. Jika pada Kliazovich et
al. [3] jenis workloadyang digunakan adalah balancing
workloadssedangkan pada penelitian ini jenis workloadadalah computationally intensive workloads(CIW) atau
sering disebut dengan high performance computing
(HPC). Hal ini dilakukan untuk menguji apakah dengan
jenis workload ini, skema penghematan menghasilkan
tingkat efisiensi yang lebih baik. Pada arsitektur 2T,
data center tidak terdapat switch aggregation. Switch
core langsung dihubungkan dengan jaringan access
menggunakan link1 GE (linkC2-C3) dan interkoneksi
antar core switch menggunakan link 10 GE (C1-C2).
Arsitektur 3Ths merupakan peningkatan dari 3Tft
dengan menyediakan bandwidth sepuluh kali lipat
antara linkcoredengan aggregation(C1-C2) dan antara
aggregationdengan jaringan accessmasing-masing 100
GE dan 10 GE. Keberadaan link100 GE memungkinkanjumlah core pada arsitektur 3Ths sebagaimana
mekanisme jumlah jalur pada perutean ECMP dibatasi
hanya sebanyak dua (2) buah untuk melayani jumlah
switch pada lapisan access yang sama jumlahnya
dengan arsitektur 2T dan 3Tft.
Tabel 1. Skenario Parameter Simulasi
ParameterArsitekturDataCenter
Two-tierThree-tier
fat-tree
Three-tier
high-speed
Topologi
Jumlah Core (C1)
Aggregation node (C2)
Access Switch (C3)
Server (S)Link(C1-C2)
Link(C2-C3)
Link(C3-S)
16
-
64
307210 GE
1 GE
1 GE
8
16
128
307210 GE
1 GE
1 GE
2
4
512
3072100 GE
10 GE
1 GE
Link Propagation Delay 10 ns
DataCenter Beban rata-rata DC
Jenis Beban Kerja User
(Workload )
Waktu Simulasi
30 %
High Performance Computing
60 menit
Selanjutnya simulasi akan dibagi ke dalam 4 buah
skenario berdasarkan parameter pada Tabel 1 meliputi:
1) Skenario I: Perhitungan konsumsi energi tanpa skema
penghematan. Pada skenario ini, akan diukur konsumsi
energi datacenteryang meliputi server dan switchpada
ketiga macam arsitektur DC (datacenter); 2) SkenarioII: Perhitungan konsumsi energi dengan skema
penghematan DVFS baik pada server maupun switch; 3)
Skenario III: Perhitungan Konsumsi Energi dengan
Skema Penghematan DNS baik pada server maupun
switch; 4) Skenario IV: Perhitungan konsumsi energi
dengan skema penghematan DVFS dan DNS sekaligus
baik pada server maupun switch.
Dari hasil simulasi akan dilihat skema penghematan
yang mana yang paling baik dan bentuk penyajian hasil
pengukuran dibuat dalam bentuk kuantitatif berbentuk
tabel dan secara kualitatif dalam bentuk grafik.
3. Hasil dan Pembahasan
Pada bagian awal ini, akan ditampilkan hasil simulasi
untuk ketiga macam arsitektur DC namun tanpa skema
penghematan energi baik pada server maupun switch
seperti ditunjukkan pada Tabel 2. Dari Tabel 2,
konsumsi daya oleh server memakan porsi rata-rata
sebesar 70% dari total konsumsi energi dari datacenter
sementara linkkomunikasi dan switchkurang lebih 30%.
Untuk konsumsi daya switch sendiri, untuk kasus
arsitektur three-tiermisalnya, dipecah kembali menjadi
11% untuk core switch kemudian 23% untuk
aggregation switch dan 66% untuk access switch. Hal
ini menunjukkan bahwa setelah server menurunkan
konsumsi dayanya maka pengaruh paling tinggi dialamioleh switchdi lapisan access.
Pada Gambar 4 lebih jelas lagi terlihat bahwa pada
skema tanpa penghematan energi, hanya sekitar 30%
atau sepertiga dari seluruh kapasitas server (kurva sebelah
Tabel 2. Distribusi Konsumsi Energi DC tanpa Skema
Penghematan
Parameter
Konsumsi Daya (kWh)
Two-tier (2T)Three-tierFat-tree
(3Tft)
Three-tierhigh-speed
(3Ths)
DataCenterServer
Switch
Core (C1)Aggregation (C2)
Access (C3)
16,016411,7010
(73,06%)
4,3152
(26,94%)
1,58480
2,7304
15,755611,7010
(74,27%)
4,0546
(25,73%)
0,45540,9108
2,6884
15,847211,7010
(73,84%)
4,1462
(26,16%)
1,00980,4480
2,6884
DC Load 27,8% 27,8% 27,8%
-
7/26/2019 Mohamad F Dan Kalamullah Ramli
6/9
JURNAL ILMIAH ELITE ELEKTRO, VOL. 3, NO. 1, MARET 2012: 6-14 11
kiri grafik) yang berada pada peak rate. Sedangkan
hampir 2/3 dalam kondisi idel sehingga skema DNS
dapat diterapkan. Sebagian kecil dari server, pada grafik
di bagian yang menurun, dimana server sedikit dibawah
kondisipeak rate, skema DVFS dapat diterapkan.
Skenario kedua seperti ditunjukkan oleh Tabel 3 adalah
hasil simulasi dari arsitektur datacenterdengan metode
penghematan menggunakan skema DVFS. Pada skema
penghematan menggunakan DVFS hasilnya terlihat
pada Tabel 3, tampak bahwa konsumsi daya meningkat
pesat pada server sedangkan pada switchbesarnya tidak
terlalu berbeda jauh dengan tanpa skema penghematan
seperti pada Tabel 2. Hal ini disebabkan karena jenis
dari workloaddari clouduseradalah HPC dimana pada
workload jenis ini hampir semua proses komputasi
berlangsung pada server sehingga untuk melakukan
proses komputasi memerlukan lebih besar daya listrik
namun dilaksanakan oleh jumlah server yang lebih
sedikit, terlihat pada besarnya DC loaddikisaran 18,8%dibandingkan dengan 27,8% pada skenario pertama.
Gambar 4. Distribusi Beban Kerja Pada Server Tanpa
Skema Penghematan
Tabel 3. Distribusi Konsumsi Energi DC untuk Skema
Penghematan DVFS
Parameter
Konsumsi Daya (kWh)
Two-tier
(2T)
Three-tier
Fat-tree
(3Tft)
Three-tier
high-speed
(3Ths)
DataCenterServer
Switch
Core (C1)Aggregation (C2)
Access (C3)
2865,60152861,2199
(99,85%)
4,3816
(0,15%)
1,60920
2,7724
2865,37332861,1909
(99,86%)
4,1824
(0,14%)
0,47070,9393
2,7724
2865,96872861,6929
(99,85%)
4,2758
(0,15%)
1,04140,4620
2,7724
DC Load 18,8% 18,8% 18,8%
Skenario ketiga ini menggunakan skema penghematan
energi dynamic shut-down (Tabel 4). Pada skema
penghematan menggunakan DNS, terlihat cukup besar
penghematan yang dihasilkan. Seperti pada kasus
skenario pertama, sebagian besar konsumsi energi
(sebesar 99,98%) dialokasikan pada server karenaworkload yang digunakan adalah HPC. Namun
konsumsi daya pada server telah mengalami
penghematan jika dibandingkan dengan tanpa skema
penghematan rata-rata sebesar 63,42%.
Skenario ke empat ini menggunakan skema
penghematan energi DVFS dan DNS (Tabel 5). Pada
skema penghematan dengan DVFS dan DNS, hasilnya
adalah kombinasi dari skema DVFS dan DNS dimana
konsumsi daya pada data center meningkat sesuai
dengan skema DVFS sedangkan pada switchmenurun
sesuai dengan skema DNS.
Tabel 4. Distribusi Konsumsi Energi DC untuk SkemaPenghematan DNS
Parameter
Konsumsi Daya (Wh)
Two-tier
(2T)
Three-tier
Fat-tree
(3Tft)
Three-tier
high-speed
(3Ths)
DataCenterServer
Switch
Core (C1)
Aggregation (C2)Access (C3)
4281,064280,30
(99,98%)
0,76
(0,02%)
0,22
0,000,43
4280,954280,30
(99,98%)
0,65
(0,02%)
0,11
0,110,43
4280,954280,30
(99,99%)
0,65
(0,01%)
0,22
0,110,43
DC Load 27,8% 27,8% 27,8%
Tabel 5. Distribusi Konsumsi Energi DC untuk SkemaPenghematan DVFS dan DNS
Parameter
Konsumsi Daya (Wh)
Two-tier(2T)
Three-tierFat-tree
(3Tft)
Three-tierhigh-speed
(3Ths)
DataCenterServer
Switch
Core (C1)
Aggregation (C2)Access (C3)
2859026,062859025,30
(100%)
0,76
(0%)
0,22
0,000,43
2858996,962858996,30
(100%)
0,30
(0%)
0,11
0,110,44
2859499,08285998,30
(100%)
0,78
(0%)
0,22
0,110,45
DC Load 18,8% 18,8% 18,8%
-
7/26/2019 Mohamad F Dan Kalamullah Ramli
7/9
JURNAL ILMIAH ELITE ELEKTRO, VOL. 3, NO. 1, MARET 2012: 6-1412
Dari keseluruhan pengujian, tampak bahwa untuk jenis
workload HPC, penghematan terbesar diperoleh melalui
skema DNS.
Skema DVFS berhasil menurunkan beban dari data
center dari rata-rata 30% pada tanpa skema dan DNSmenjadi kurang dari 20% dan selama proses simulasi
menurun. Namun bila dilihat dari beben tiap server,
seperti terlihat pada Gambar 4, terlihat bahwa pada
kondisi tanpa skema, server yang terbebani kurang lebih
30% dari total server sedangkan sisanya (70%) dalam
kondisi tidak terbebani namun tetap mengkonsumsi
energi cukup besar karena menurut [10] meskipun dalam
keadaan idle, server-server tersebut mengkonsumsi
energi sebesar 66% dari kondisi terbebani penuh.
Bila dibandingkan dengan skema DNS pada Gambar 4
di atas, grafiknya mirip dengan yang tanpa skema.
Namun sebetulnya dari segi konsumsi energi skema
DNS lebih hemat (63,42%) dibandingkan dengan tanpaskema karena pada skema DNS server yang dalam
kondisi idle benar-benar di-shotdown sehingga
konsumsi energinya berada pada kondisi minimal dan
konsumsi daya dari switch juga berhasil diturunkan
karena proses komputasi seluruhnya berlangsung pada
server, dan proses komputasi tersebut dilaksanakan oleh
kurang lebih 30% dari total server.
Sebaliknya pada skema DVFS, beban server tersebar
hampir merata ke seluruh server sehingga total
konsumsi energi dari server data center akan sangat
membesar. Dengan tambahan skema DNS, tidak banyak
berpengaruh terhadap beban server namun sangat
berpengaruh terhadap beban pada switch dimanaberhasil diturunkan sampai mencapai 100%.
Yang paling jelas menunjukkan perbedaan adalah pada
konsumsi energi tiap server seperti ditunjukkan pada
Gambar 5. Pada skema tanpa penghematan terlihat jelas
bahwa 70% server yang dalam kondisi idle tetap
mengkonsumsi energi bandingkan dengan misalnya
dengan skema DNS dimana tampak pada grafiknya
bahwa pada skema ini server yang dalam kondisi idle
sama sekali tidak mengkonsumsi energi alias nol
sehingga konsumsi energi server secara keseluruhan
menurun drastis bila dibandingkan dengan tanpa skema.
Sedangkan pada skema DVFS, konsumsi energi
menyebar ke seluruh server dengan lonjakan sangatbesar pada server pertama (2850814,41 Wh yang tidak
terlihat pada grafik). Penambahan skema DNS tidak
banyak berpengaruh terhadap penurunan konsumsi daya
dari server namun berpengaruh cukup signifikan
terhadap pengurangan daya pada switch.
Gambar 4. Grafik Sebaran Beban Server terhadap Banyaknya Server untuk berbagai Skema Penghematan
-
7/26/2019 Mohamad F Dan Kalamullah Ramli
8/9
JURNAL ILMIAH ELITE ELEKTRO, VOL. 3, NO. 1, MARET 2012: 6-14 13
Gambar 5. Grafik Konsumsi Energi Tiap Server untuk berbagai Skema Penghematan
Akhirnya dari segala uraian di atas skema penghematan
terbaik untuk ketiga jenis arsitektur datacenteradalahskema DNS (dynamic shutdown) dengan jenis workload
adalah high performance computingatau computationally
intensive workload (CIW) dimana hampir seluruh
proses komputasi berlangsung di server. Konsumsi daya
pada switch juga berhasil ditekan pada titik sangat
rendah.
4. Simpulan
Setelah dilakukan simulasi konsumsi daya pada data
centeruntuk arsitektur two-tier, three-tierdan three-tier
high-speed, dengan menerapkan skema penghematan
energi DVFS dan DNS diperoleh hasil sebagai berikut:
(1) Pada skema tanpa penghematan energi, untuk ketiga
arsitektur datacenter, konsumsi energi terbesar berada
pada server rata-rata sebesar 73,72% sedangkan sisanya
sebesar 26,28% dikonsumsi oleh switch, sedangkan
jumlah server yang mengalami peak rate rata-rata
sebanyak 27,8%; (2) Pada skema penghematan DVFS,
konsumsi terbesar tetap pada server dengan lonjakan
cukup drastis rata-rata hampir 100% dengan konsumsi
energi pada switchrelatif sama dengan pada kasus tanpa
skema penghematan, namun jumlah server yang
mengalamipeak ratemenurun rata-rata sebesar 18,8%;
(3) Skema penghematan DNS merupakan skemapenghematan terbaik untuk tipe workload HPC karena
berhasil menghemat penggunaan energi listrik baik pada
server maupun switch sebesar masing-masing 63,42%
dan hampir 100%; (4) Penerapan skema penghematan
DVFS dan sekaligus DNS tidak memberikan hasil yang
lebih baik untuk kasus workload HPC.
Daftar Acuan
[1] Antara News, Bisnis Beralih pada Investasi
Komputasi Awan.
http://www.antaranews.com/berita/300251/bisnis-
beralih-pada-investasi-komputasi-awan, 2012.
[2]
C. Hewitt, IEEE Internet Computing, 12/5 (2008) 96,
http://www.computer.org/portal/web/csdl/doi/10.11
09/MIC.2008.1072012
[3] D. Kliazovich, P. Bouvry, S.U. Khan, 53rd IEEE
Global Communications Conference (Globecom),
Miami, FL, USA, 2010.
[4]
S.-Y. Jing, S. Ali, K. She, Y. Zhong, J. Supercomput.
(2011) 1-24, http://www.chinacloud.cn/upload/2011-
12/11121414522296.pdf. DOI 10.1007/s11227-011-
0722-1.
-
7/26/2019 Mohamad F Dan Kalamullah Ramli
9/9
JURNAL ILMIAH ELITE ELEKTRO, VOL. 3, NO. 1, MARET 2012: 6-1414
[5]
P. Mahadevan, P. Sharma, S. Banerjee, P.
Ranganathan, Energy Aware Network Operations,
IEEE INFOCOM workshops, 2009, p.1.
[6] D. Filani, Intel Corp, Intel Technol. J. 12/1 (2008)
1.DOI: 10.1535/itj.1201.06.
[7]
The Network Simulator Ns2,http://www.isi.edu/nsnam/ns/, 2010.
[8] E.L. Sueur, G. Heiser, Proceedings of the 2010
Workshop on Power Aware Computing and
Systems (HotPower'10), NICTA and University of
New South Wales, 2010.
[9]
Greencloud - The Green Cloud Simulator,
http://greencloud.gforge.uni.lu/ diakses tanggal 10
Februari 2012.
[10]Y. Chen, A. Das, W. Qin, A. Sivasubramaniam, Q.
Wang, N. Gautam, Proceeding of the ACM
SIGMETRICS International Conference onMeasurement and Modeling of Computer Systems,
ACM, New York,2005, p.303.